今天的內容會帶大家了解 1. 瞭解非監督式學習相關技術概要 2. 瞭解非監督式學習的應用場景 非監督式學習：機器學習的一種方法，它允許我們在對結果無法預知時接近問題 非監督式學習演算法只基於輸入資料找出模式，當我們無法確定尋找內容，或無標記 (y) 資料時 通常會用這個演算法，幫助我們了解資料模式、資料特性，或作為提升監督式學習效能的預處理步驟 適合非監督式學習的情境：在不清楚資料特性、問題定義、沒有標記的情況下 可透過非監督式學習技術幫助我們更了解資料模式、資料特性 或作為提升監督式學習效能的預處理步驟。 非監督式學習的挑戰：由於不像監督式學習算法有目標值，我們不易判斷模型是否真的學到隱藏資料中的模式 需要透過像是「輪廓分析」等方法評估分群的品質。 非監督式學習的應用分類：1. 分群 2. 關聯規則 3. 異常檢測 4. 降維 有了大概的理解之後，我們開始今天的學習吧！！！